موبايل نت

📅 آخر تحديث: ٢٣ يوليو ٢٠٢٦
✍️ نُشر في: ٢٣ يوليو ٢٠٢٦
📷 يحتوي على 3 صور
الموسوعة الحرة

موبايل نت هي عائلة من بنى الشبكات العصبية الالتفافية (CNN) المصممة لتصنيف الصور ، واكتشاف الأجسام ، ومهام رؤية الحاسوب الأخرى. تتميز هذه البنى بصغر حجمها، وانخفاض زمن الاستجابة، واستهلاكها المنخفض للطاقة، مما يجعلها مناسبة للاستدلال على الجهاز والحوسبة الطرفية على الأجهزة ذات الموارد المحدودة كالهواتف المحمولة والأنظمة المدمجة . وقد صُممت في الأصل للعمل بكفاءة على الأجهزة المحمولة باستخدام TensorFlow Lite .

دفعت الحاجة إلى نماذج تعلم عميق فعّالة على الأجهزة المحمولة الباحثين في جوجل إلى تطوير MobileNet. وبحلول يونيو 2025، كان لدى هذه المجموعة خمسة إصدارات، كل منها يُحسّن الإصدار السابق من حيث الأداء والكفاءة.

سمات

الإصدار الأول

نُشرت MobileNetV1 في أبريل 2017. [ 1 ] [ 2 ] تمثلت أبرز ابتكاراتها المعمارية في دمج الالتفافات القابلة للفصل العميق . طُوّرت لأول مرة على يد لوران سيفري خلال فترة تدريبه في جوجل برين عام 2013 كنسخة معمارية معدلة من AlexNet لتحسين سرعة التقارب وحجم النموذج. [ 3 ]

تقوم عملية الالتفاف القابل للفصل العميق بتفكيك عملية الالتفاف القياسية الواحدة إلى عمليتي التفاف: عملية التفاف عميقة تقوم بتصفية كل قناة إدخال بشكل مستقل وعملية التفاف نقطية (1×1{\displaystyle 1\times 1}عملية الالتفاف) التي تجمع مخرجات الالتفاف العميق. هذا التحليل يقلل بشكل كبير من التكلفة الحسابية.

يحتوي MobileNetV1 على معيارين فائقين: مُضاعِف العرضα{\displaystyle \alpha }يتحكم هذا في عدد القنوات في كل طبقة. القيم الأصغر لـα{\displaystyle \alpha }يؤدي ذلك إلى نماذج أصغر وأسرع، ولكن على حساب انخفاض الدقة، ومضاعف الدقةρ{\displaystyle \rho }وهو الذي يتحكم في دقة إدخال الصور. تؤدي الدقة المنخفضة إلى معالجة أسرع ولكن قد تكون أقل دقة.

الإصدار الثاني

تم نشر MobileNetV2 في مارس 2019. [ 4 ] [ 5 ] يستخدم طبقات متبقية معكوسة واختناقات خطية .

تُعدّل البقايا المعكوسة بنية كتلة البقايا التقليدية. فبدلاً من ضغط قنوات الإدخال قبل الالتفاف العميق، تقوم بتوسيعها . ويتبع هذا التوسيع...1×1{\displaystyle 1\times 1}الالتفاف العميق ثم1×1{\displaystyle 1\times 1}طبقة إسقاط تُقلل عدد القنوات. يساعد هذا الهيكل المعكوس في الحفاظ على القدرة التمثيلية من خلال السماح للالتفاف العميق بالعمل على فضاء ميزات ذي أبعاد أعلى، وبالتالي الحفاظ على تدفق أكبر للمعلومات أثناء عملية الالتفاف.

تؤدي الاختناقات الخطية إلى إزالة دالة التنشيط ReLU التقليدية في طبقات الإسقاط. وقد تم تبرير ذلك بالقول إن التنشيط غير الخطي يفقد المعلومات في الفضاءات ذات الأبعاد المنخفضة، وهو ما يمثل مشكلة عندما يكون عدد القنوات صغيرًا بالفعل.

الإصدار الثالث

نُشرت شبكة MobileNetV3 في عام 2019. [ 6 ] [ 7 ] تضمنت هذه النسخة MobileNetV3-Small وMobileNetV3-Large وMobileNetEdgeTPU (المُحسّنة لهاتف Pixel 4 ). وقد تم التوصل إليها باستخدام نوع من البحث عن بنية الشبكات العصبية (NAS) الذي يأخذ زمن استجابة الهاتف المحمول في الاعتبار، لتحقيق توازن جيد بين الدقة وزمن الاستجابة. [ 8 ] [ 9 ] استخدمت هذه الشبكة تقريبات خطية متقطعة لدوال التنشيط swish و sigmoid (والتي أطلقوا عليها اسم "h-swish" و"h-sigmoid")، ووحدات الضغط والإثارة ، [ 10 ] بالإضافة إلى نقاط الاختناق المعكوسة في MobileNetV2.

V4

تم نشر MobileNetV4 في سبتمبر 2024. [ 11 ] [ 12 ] تضمن المنشور عددًا كبيرًا من البنى التي تم العثور عليها بواسطة NAS.

استوحت سلسلة V4 من تقنية Vision Transformers ، وتضمنت آلية الانتباه متعددة الاستعلامات . [ 13 ] كما وحدت كلاً من البقايا المعكوسة وعنق الزجاجة المعكوس من سلسلة V3 مع "عنق الزجاجة المعكوس الشامل"، والذي يشمل هذين النوعين كحالات خاصة.

الإصدار الخامس

نُشرت بنية MobileNetV5 بعد فترة وجيزة من إصدار Gemma 3n في يونيو 2025 [ 14 ] . ورغم أن الإعلان ذكر أن تقريرًا تقنيًا عن MobileNetV5 سيكون متاحًا قريبًا، إلا أن ذلك لم يحدث بعد. وتُعد الشبكة أكبر بعشر مرات من أكبر إصدار من V4 [ 14 ] .

انظر أيضاً

مراجع

  1. ↑ هوارد، أندرو ج.؛ تشو، مينغلونغ؛ تشين، بو؛ كالينيتشينكو، ديمتري؛ وانغ، ويجون؛ وياند، توبياس؛ أندريتو، ماركو؛ آدم، هارتويغ (2017). "MobileNets: شبكات عصبية التفافية فعالة لتطبيقات الرؤية المتنقلة". arXiv : 1704.04861 [ cs.CV ].
  2. ↑ "MobileNets: نماذج مفتوحة المصدر لرؤية فعّالة على الجهاز" . research.google . 14 يونيو 2017. تم الاطلاع عليه بتاريخ 18 أكتوبر 2024 .
  3. ↑ شوليه، فرانسوا (2017). "Xception: التعلم العميق باستخدام الالتفافات القابلة للفصل العميق" . مؤتمر IEEE لعام 2017 حول رؤية الحاسوب والتعرف على الأنماط (CVPR) . الصفحات 1800-1807 . arXiv : 1610.02357 . doi : 10.1109/CVPR.2017.195 . ISBN  978-1-5386-0457-1.
  4. ↑ ساندلر، مارك؛ هوارد، أندرو؛ تشو، مينغلونغ؛ زموجينوف، أندريه؛ تشين، ليانغ-تشيه (2018). "MobileNetV2: البقايا المعكوسة والاختناقات الخطية". arXiv : 1801.04381 ​​[ cs.CV ].
  5. ↑ "MobileNetV2: الجيل التالي من شبكات رؤية الحاسوب على الأجهزة" . research.google . 3 أبريل 2018. تم الاطلاع عليه بتاريخ 18 أكتوبر 2024 .
  6. ↑ "تقديم الجيل التالي من نماذج الرؤية على الأجهزة: MobileNetV3 وMobi" . research.google . 13 نوفمبر 2019. تم الاطلاع عليه بتاريخ 18 أكتوبر 2024 .
  7. ^ هوارد ، أندرو. ساندلر، مارك؛ تشو، غريس؛ تشن، ليانغ تشيه؛ تشن، بو؛ تان، مينغ شينغ؛ وانغ، ويجون؛ تشو، يوكون؛ بانغ، رومينج؛ فاسوديفان، فيجاي؛ لو، كووك الخامس؛ آدم، هارتويج (2019). "البحث عن MobileNetV3" . ICCV 2019 : 1314– 1324. أرخايف : 1905.02244 .
  8. ↑ تان، مينغشينغ؛ تشين، بو؛ بانغ، رومينغ؛ فاسوديفان، فيجاي؛ ساندلر، مارك؛ هوارد، أندرو؛ لي، كوك ف. (يونيو 2019). "MnasNet: بحث عن بنية عصبية واعية بالمنصة للأجهزة المحمولة". مؤتمر IEEE/CVF لعام 2019 حول رؤية الحاسوب والتعرف على الأنماط (CVPR) . IEEE. الصفحات 2815-2823 . arXiv : 1807.11626 . doi : 10.1109/CVPR.2019.00293 . ISBN  978-1-7281-3293-8.
  9. ↑ يانغ، تيان-جو؛ هوارد، أندرو؛ تشين، بو؛ تشانغ، شياو؛ غو، أليك؛ ساندلر، مارك؛ سزي، فيفيان؛ آدم، هارتويغ (2018). "NetAdapt: ​​تكييف الشبكة العصبية مع المنصة لتطبيقات الهاتف المحمول" . Eccv 2018 : 285-300 . arXiv : 1804.03230 .
  10. ↑ هو، جي؛ شين، لي؛ صن، غانغ (2018). "شبكات الضغط والإثارة" . Eccv 2018 : 7132-7141 .
  11. ↑ تشين، دانفينغ؛ ليشنر، تشاس؛ ديلاكيس، مانوليس؛ فورنوني، ماركو؛ لو، شيشين؛ يانغ، فان؛ وانغ، ويجون؛ بانبري، كولبي؛ يي، تشنغشي؛ أكين، بيركين؛ أغاروال، فايبهاف؛ تشو، تينغهوي؛ مورو، دانييلي؛ هوارد، أندرو (2024). "MobileNetV4 - نماذج شاملة للنظام البيئي للهواتف المحمولة". arXiv : 2404.10518 [ cs.CV ].
  12. ↑ وايتمان، روس. "MobileNet-V4 (الآن قيد التحديث)" . huggingface.co . تم ​​الاطلاع عليه بتاريخ 18-10-2024 .
  13. ↑ شازير، نوعام (2019). "فك تشفير المحول السريع: رأس كتابة واحد هو كل ما تحتاجه". arXiv : 1911.02150 [ cs.NE ].
  14. 1 2 "تقديم Gemma 3n: دليل المطورين - مدونة مطوري جوجل" . developers.googleblog.com . تم الاطلاع عليه بتاريخ 10 أبريل 2026 .